TDengine 3.3.6.0版本发布:时序数据库的重大升级
时序数据库TDengine近日发布了3.3.6.0版本,这是一次功能丰富且性能显著提升的重要更新。TDengine作为一款专为物联网、工业互联网等场景设计的高性能时序数据库,在本次更新中引入了多项创新功能和优化改进,进一步巩固了其在时序数据处理领域的领先地位。
核心功能增强
本次版本最引人注目的新特性之一是全面支持Decimal数据类型。Decimal类型能够精确表示高精度数值,特别适合金融、计量等对数据精度要求极高的应用场景。开发团队不仅实现了基础支持,还确保该类型能够在Rust连接器、Explorer工具等全生态链中无缝使用。
在数据管理方面,3.3.6.0版本引入了超级表级别的数据保留策略控制。通过KEEP参数,用户现在可以针对单个超级表设置其时间序列数据的保留周期,这为多租户环境下的精细化管理提供了极大便利。同时,磁盘空间管理也更加灵活,minFreeDiskSize参数的最大值已提升至2TB,满足大规模数据存储需求。
性能优化与稳定性提升
查询性能方面,新版本对标签分组(group by tag)查询和降采样查询进行了深度优化。通过改进算法和缓存机制,这些常见时序查询场景的响应速度得到了显著提升。特别值得一提的是,自动建表写入性能的优化,使得高并发写入场景下的吞吐量大幅提高。
在流计算引擎方面,3.3.6.0版本引入了多项增强功能:新增了continue_window_close触发模式,支持为事件窗口和状态窗口设置最小持续时间限制,并增加了窗口事件通知机制。这些改进使得流处理更加灵活和可靠。同时,流计算现在也支持虚拟表,进一步扩展了应用场景。
企业级功能强化
对于企业用户,新版本在多级存储、双副本集群等方面进行了重要增强。数据文件在多磁盘间的分布更加均衡,显著提升了存储效率。双副本集群的恢复机制得到优化,新增了"assign leader"命令,有效解决了高WAL版本节点无法启动时的集群恢复问题。
备份功能也获得了S3存储支持,用户现在可以将数据直接备份到S3兼容的存储系统中。同时,新增的持久化缓存机制确保了数据的完整性,为企业级数据可靠性提供了额外保障。
开发者体验改进
为提升开发者体验,3.3.6.0版本在多个方面进行了优化。SQL语法方面新增了greatest和least函数,提供了regexp作为match操作符的别名,增强了SQL表达力。STMT接口经过重构后,查询和写入性能得到显著提升。
连接器生态也获得全面增强:JDBC驱动支持了高效写入模式;WebSocket接口新增了taos_validate_sql功能;所有组件现在都支持包含特殊字符的长密码(最长255字符)。特别是新增的虚拟表功能,为特殊数据源的集成提供了标准化接口。
运维与管理工具
新版本在运维便利性上也有显著提升。show disk_info命令的输出更加准确直观,新增了百分比显示压缩率。通过show vnodes命令可以监控vnode恢复进度,便于运维人员掌握系统状态。
值得一提的是,企业版中新增了inspect工具,为系统健康检查和问题诊断提供了专业支持。安装脚本也进行了优化,支持使用-e参数进行静默卸载,简化了部署流程。
兼容性与问题修复
在兼容性方面,3.3.6.0版本改进了taosc的兼容性,确保新旧版本间的平滑过渡。同时修复了包括内存泄漏、查询结果异常、Windows平台稳定性等在内的多个问题,提升了整体可靠性。
总的来说,TDengine 3.3.6.0版本在功能丰富性、性能表现和系统稳定性方面都达到了新的高度,为时序数据管理提供了更加强大和可靠的解决方案。无论是物联网设备监控、工业互联网数据分析,还是金融时序数据处理,新版本都能提供卓越的支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00